由人工智能驱动的多式算法预测了清细胞细胞癌的免疫治疗和向治疗结果
Danil Stupichev1, Natalia Miheecheva1, Ekaterina Postovalova1
1BostonGene Corporation, Waltham, MA 02453, USA.
Cell reports. Medicine
|August 20, 2025
概括
这项研究引入了清细胞脏细胞癌 (ccRCC) 的协调免疫瘤微环境 (HiTME) 亚型. 这些人工智能驱动的亚型改善了对氨酸激酶抑制剂 (TKI) 和免疫检查点抑制剂 (ICI) 疗法患者反应的预测.
科学领域:
- 在瘤学瘤学.
- 免疫治疗是一种免疫疗法.
- 基因组学就是基因组学.
背景情况:
- 转移性清晰细胞细胞癌 (ccRCC) 的治疗已通过氨酸激酶抑制剂 (TKI) 和免疫检查点抑制剂 (ICI) 取得进展.
- 尽管取得了进展,但大多数患者死于ccRCC,治疗导致显著的毒性.
- 预测治疗反应的现有转录组签名在不同患者队列中显示不一致的结果.
研究的目的:
- 开发一种强大的基于人工智能的多式联络方法,用于预测ccRCC中的治疗反应.
- 整合各种数据类型,包括基因组,转录组和瘤微环境 (TME) 功能.
- 确定新的ccRCC亚型,以提高TKI和ICI疗法的预测准确度.
主要方法:
- 来自14个独立ccRCC队列的统一转录组数据 (n = 3,621).
- 使用基于AI的多式模式策略开发了协调的免疫瘤微环境 (HiTME) ccRCC亚型.
- 使用空间蛋白质学验证的HiTME亚型,以确认瘤微环境特征.
主要成果:
- 成功生成了协调的免疫瘤微环境 (HiTME) ccRCC亚型.
- 证明了HiTME亚型在预测对TKI和ICI疗法的反应方面的实用性.
- 基因组,转录组和TME的基于AI的集成具有更好的预测准确性.
结论:
- 新的HiTME ccRCC亚型为预测患者对当前ccRCC疗法的反应提供了更准确和可靠的方法.
- 这种多式人工智能方法为ccRCC的个性化治疗策略提供了基础.
- 进一步验证和临床实施HiTME亚型可以改善患者的治疗结果并减少与治疗相关的毒性.
